A fase de coleta e análise de dados desenvolveu-se com base em informações recebidas da Samarco Mineração S.A., divididas em duas partes: a primeira, com informações sobre o sistema portuário; a segunda, com informações sobre o sistema produtivo.
5.1.1 Análise dos Dados do Sistema Portuário
A fonte de dados referente ao sistema portuário contém diversas informações sobre as chegadas e operações dos navios no ano de 2005. Essas informações foram tratadas e analisadas estatisticamente com auxílio dos “softwares” Minitab e Iput Analyser, este último um aplicativo do software Arena.
As informações referentes às chegadas dos navios, citadas no capítulo 4 Modelagem por Simulação – Descrição do Sistema Produtivo do Minério de Ferro” e mostradas no Anexo A, foram retiradas dessa fonte de dados.
Os tempos de atracação, de preparação para o carregamento, o tempo ocioso do navio, o tempo ocioso do sistema de carregamento, de preparação para desatracação e de desatracação foram separados inicialmente, por tipo de navio, e analisados no Minitab para identificação das distribuições de probabilidade desses
A primeira análise consistiu em verificar se as médias das distribuições eram iguais para os navios “capesize” e “panamax” mediante utilização do teste de comparação de médias no “software” Minitab, no qual a hipótese nula é a igualdade das médias e a hipótese alternativa é a desigualdade delas.
O resultado do teste, disponível no Anexo H, mostrou que, em todos os tempos analisados para representar o comportamento dos navios tipo “capesize” e “panamax”, o p-valor foi maior que 0,05, o que significa que a hipótese nula não é rejeitada. Dessa forma, conclui-se com 95% de confiança que não existe diferença entre as médias dos tempos dos navios “capesize” e “panamax”.
A segunda análise consistiu em utilizar o Input Analyser na identificação das distribuições de probabilidade que representam os tempos desses navios no terminal portuário do simulador.
As distribuições que representam os tempos de preparação para o carregamento, o tempo ocioso do navio, de preparação para desatracação, de desatracação, de mau tempo e de mau tempo durante o carregamento foram extraídas da opção “empirical”, do Input Analyser do Arena, em virtude de não haver boa aderência a modelos teóricos conhecidos. Essa prática garante que os valores sorteados no simulador estejam contidos nos intervalos reais dos dados observados.
A análise dos dados de taxa de carregamento de pelotas mostrou que há diferença entre os carregamentos dos navios tipo “capesize” e “panamax”. No caso de carregamento de finos, foi utilizada a mesma distribuição para ambos os tipos de navio por ser pequena a base para esta análise, que representou apenas 8,45% da quantidade embarcada no ano de 2005. No Anexo I é mostrado o resultado do teste de comparação de médias utilizado para verificar a igualdade das médias entre as taxas de carregamento de pelotas para navios “capesize” e “panamax”, no qual o p- valor foi bem abaixo de 0,05, representando que existe diferença entre as médias das amostras analisadas.
A Tabela 5.1 apresenta as distribuições utilizadas na modelagem para representar o sistema portuário.
Os demais dados utilizados como entrada do modelo de simulação estão disponíveis no Anexo B.
Tabela 5.1 – Distribuições dos tempos dos navios no sistema portuário
Tempo Entrada no Arena Distribuição de Probabilidade
exp_tx_carreg_panam_pelota NORM(3622,946) exp_tx_carreg_cape_pelota NORM(4879,512) exp_tx_carreg_finos NORM(4304,503) exp_atrac_carvao NORM(2.5523,0.6334) exp_atrac_cape NORM(2.5523,0.6334) exp_atrac_panam NORM(2.5523,0.6334) exp_prep_carreg_panam CONT(0.000, 0.000, 0.748, 3.181,0.807,6.363, 0.904, 9.545, 0.956, 12.727, 0.978, 15.909, 0.980, 19.090, 0.982, 22.272, 0.985, 25.454, 0.990, 28.636, 0.995, 31.818, 1, 34.8) exp_prep_carreg_cape CONT(0.000, 0.000, 0.748, 3.181,0.807,6.363, 0.904, 9.545, 0.956, 12.727, 0.978, 15.909, 0.980, 19.090, 0.982, 22.272, 0.985, 25.454, 0.990, 28.636, 0.995, 31.818, 1, 34.8) exp_tocioso_navio_cape CONT (0.000, 1.000, 0.815, 5.727, 0.948, 10.455, 0.970, 15.182, 0.985, 19.909, 0.993, 24.636, 0.994, 29.364, 0.995, 34.091, 0.996, 38.818, 0.997, 43.545, 0.998, 48.273, 1, 52.7) exp_tocioso_navio_panam CONT (0.000, 1.000, 0.815, 5.727, 0.948, 10.455, 0.970, 15.182, 0.985, 19.909, 0.993, 24.636, 0.994, 29.364, 0.995, 34.091, 0.996, 38.818, 0.997, 43.545, 0.998, 48.273, 1, 52.7) exp_tocioso_sistcarreg_panam ERLA(5.67,2) exp_tocioso_sistcarreg_cape ERLA(5.67,2) exp_prep_desatrac_panam CONT (0.000, 0.000, 0.478, 1.818,0.776,3.636, 0.888, 5.455, 0.918, 7.273, 0.963, 9.091,0.970,10.909, 0.978, 12.727, 0.985, 14.545, 0.986,16.364,0.988,18.182, 1, 19.6) exp_prep_desatrac_cape CONT (0.000, 0.000, 0.478, 1.818,0.776,3.636, 0.888, 5.455, 0.918, 7.273, 0.963, 9.091,0.970,10.909, 0.978, 12.727, 0.985, 14.545, 0.986,16.364,0.988,18.182, 1, 19.6) Descarregamento
de Carvão exp_descarreg_carvao NORM(108,23.7)
exp_desatrac_carvao CONT (0.000, 0.000, 0.015, 0.182,0.127,0.364, 0.485, 0.546, 0.731, 0.728, 0.821, 0.910,0.903,1.091, 0.933, 1.273, 0.963, 1.455, 0.985, 1.637, 0.987, 1.819, 1, 2) exp_desatrac_cape CONT (0.000, 0.000, 0.015, 0.182,0.127,0.364, 0.485, 0.546, 0.731, 0.728, 0.821, 0.910,0.903,1.091, 0.933, 1.273, 0.963, 1.455, 0.985, 1.637, 0.987, 1.819, 1, 2) exp_desatrac_panam CONT (0.000, 0.000, 0.015, 0.182,0.127,0.364, 0.485, 0.546, 0.731, 0.728, 0.821, 0.910,0.903,1.091, 0.933, 1.273, 0.963, 1.455, 0.985, 1.637, 0.987, 1.819, 1, 2)
Mau Tempo exp_mau_tempo DISC(0.0000,0.0000,0.9556,0.0001,0.9630,6.5,0.9704, .76,0.9778,11.67,0.9852,12.75,0.9926,14.17,1,17) Mau Tempo no Carregamento exp_mau_temp_carreg DISC(0.0000,0.0000,0.9556,0.0001,0.9630,0.4200,0.97 04,0.67,0.9778,1.25,0.9852,2.83,0.9926,2.83,1,3.83) Preparação para Desatracação Desatracação Taxa de Carregamento Atracação Tempo Ocioso do Navio Tempo Ocioso do Navio Preparação para Carregamento
5.1.2 Análise dos Dados do Sistema Produtivo
Os dados para identificação das distribuições que representam a variabilidade do processo produtivo utilizados no modelo não serão disponibilizados por se tratar de informações confidenciais da Samarco Mineração S.A.. Serão apresentadas as distribuições identificadas e a análise realizada para a obtenção dessas distribuições.
Para análise, foram estudadas as produções diárias, por produto, dos processos de concentração, bombeamento, filtragem e pelotização das usinas 1 e 2 da Samarco.
Em primeira análise, foi realizada a etapa de limpeza dos dados, seguindo-se as recomendações de Botter (2002), que fornece uma série de orientações para tratamento dos dados. O autor diz que a etapa de limpeza dos dados se refere à retirada dos valores sem coerência ou consistência, bem como àqueles que se apresentarem discrepantes com relação à aplicação da metodologia de gráfico de caixas ou “Box Plot” do “softwre” Minitab.
Nessa análise, foi observado que a maioria dos pontos identificados como “outliers”23
estava abaixo da massa de dados. Foi realizada uma pesquisa para identificar a causa desse comportamento e verificado que quase em sua totalidade representavam dias em que houve parada de produção do processo. Esses pontos foram retirados da massa de dados para a etapa de identificação da curva de distribuição probabilística de modo que as paradas dos processos fossem contempladas na modelagem. As curvas de distribuição que representam o processo produtivo foram identificadas por meio do Input Analyser do Arena e através do Minitab e estão mostradas na Tabela 5.2 a seguir.
23
Pontos com valores sem coerência ou consistência, bem como aqueles que se apresentarem discrepantes com relação à aplicação da metodologia de gráfico de caixas ou “Box Plot” do “softwre” Minitab.
Tabela 5.2 – Distribuições utilizadas para representar o sistema produtivo
Os demais dados utilizados como entrada do modelo de simulação estão disponíveis no Anexo B.
5.2 EXTRAÇÃO DOS DADOS E CONSTRUÇÃO DOS RELATÓRIOS DE